CN102298318B - 生物危害应急监测预测与优化控制系统 - Google Patents

生物危害应急监测预测与优化控制系统 Download PDF

Info

Publication number
CN102298318B
CN102298318B CN 201110137991 CN201110137991A CN102298318B CN 102298318 B CN102298318 B CN 102298318B CN 201110137991 CN201110137991 CN 201110137991 CN 201110137991 A CN201110137991 A CN 201110137991A CN 102298318 B CN102298318 B CN 102298318B
Authority
CN
China
Prior art keywords
control
biohazard
bems
bpose
internet
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN 201110137991
Other languages
English (en)
Other versions
CN102298318A (zh
Inventor
黄顺祥
徐莉
刘峰
王新明
关彩虹
周学志
符天保
孙诗德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Antichemical Command Engineering College P L A
Original Assignee
Antichemical Command Engineering College P L A
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Antichemical Command Engineering College P L A filed Critical Antichemical Command Engineering College P L A
Priority to CN 201110137991 priority Critical patent/CN102298318B/zh
Publication of CN102298318A publication Critical patent/CN102298318A/zh
Application granted granted Critical
Publication of CN102298318B publication Critical patent/CN102298318B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

本发明涉及一个生物危害应急监测预测与控制系统，属于生物危害防控领域。该系统为物联网，它连接两个分系统，一个为生物危害应急监测系统，另一个为生物危害预测与优化控制系统，BEMS与BPOSE通过物联网进行信息的耦合与关联，并在物联网中通过数据处理最终完成生物危害的控制。该系统集信息采集、传输、分析、预测、发布于一体，解决了应急监测、预测与决策支持等系统无缝耦合的技术难题。

Description

生物危害应急监测预测与优化控制系统
技术领域
本发明涉及一个生物危害应急监测预测与控制系统，属于生物危害防控领域。
背景技术
生物危害直接威胁人类生命和健康，在世界迅速全球化的今天，以传染病为主的生物危害正以惊人的速度蔓延，全球任何一个角落爆发的传染病都可能会引发全球的警觉。目前，生物危害仍是当今世界范围内引起人类死亡的重要原因，而且人类正面临着与生物危害作斗争的新形势：新传染病的出现，旧传染病的复燃，以及病原体对抗生素耐药性的增加，均构成了对人类健康的巨大威胁。同时，随着国际政治、经济的发展，重大公共卫生事件给人类的生活造成一定的影响。另外，以“炭疽事件”为代表的生物恐怖曾造成全世界恐慌。
2002年1月，严重急性呼吸综合征(SARS)在我国广东省首先爆发，并于2003年3月初输入北京，随之在北京迅速蔓延，同期也引起在世界范围内的爆发流行，其中，以我国广州、香港、北京以及台湾地区疫情尤为严重，据世界卫生组织估计，SARS对全球经济造成了约300亿美元的损失。2009年甲型H1N1流感疫情在全球的爆发，6月11日世界卫生组织宣布其预警级别为流感警戒最高级6级。甲型H1N1流感除了造成直接人员伤亡和巨额医疗费用外，对经济的间接影响、对民众心理和社会安定的危害都是非常严重的。即使普通的流感，每年就夺走了数万人的生命。
在生物危害防控工作中，生物危害应急监测预测是核心内容。传染病疫情的开始、爆发和控制过程，均有客观的发展规律。对疫情进行监测，根据监测结果对疫情的发展进行预测，获取得的监测、预测结果可为决策部门提供依据，提出对传染病疫情发展控制的具体措施和力度，对其科学防控。国内外对于传染病疫情监测、预测已经有较为广泛和深入的研究，尤其是SARS出现之后，关于病毒的传播规律、控制措施和控制效果的研究得到长足发展。目前，生物危害应急领域存在三大关键技术难题。一、由于常规的动力学预测模型参数多为常数，且受主观因素影响很大，而随机原理动力学预测模型尽管从某种程度上弥补了确定参数的主观性，但对于大规模爆发的疫情，其模拟计算量超大，很难实际应用。一般的统计学模型因内在机理的不确定性，难以保证预测精度。建立实用、高精度疫情预测模型是生物危害应急领域的一大技术难题。二、由于常规生物传感器环境适应性差，检测限高，特异性强，难以进行实时监测，研制实时高灵敏度生物传感器也是生物危害应急领域的技术难题。三、在传染病疫情为代表的生物危害控制中，控制措施越严，相应的控制代价就越大，感染者人数也就会越小，怎样才能使控制代价和感染者医治成本最小？这是一个优化控制问题。生物危害应急监测、预测与优化控制是一个复杂的系统工程，如何将应急监测、预测与优化控制一体化，使之成为智能决策系统，以最小的代价控制以传染病为代表的生物危害，为决策部门提供关键技术支持，既是本领域内需要突破的技术难题，又是当前亟需解决的重大实际问题。
发明内容
本发明提出了一种生物危害应急监测、预测与优化控制技术系统(Biologicalhazard Monitoring，Predicting and Optimal controlling System for Emergency，BMPOSE)，该系统将应急监测、预测与优化控制一体化。
该系统为物联网，它连接两个分系统，一个为生物危害应急监测系统(Biohazard Emergency Monitoring System，BEMS)，另一个为生物危害预测与优化控制系统(Biological hazard Predicting and Optimal controlling System forEmergency，BPOSE)，BEMS与BPOSE通过物联网进行信息的耦合与关联，并在物联网中通过数据处理最终完成生物危害的控制。
物联网利用BEMS、BPOSE的相互耦合技术和内在关联，结合射频识别、红外感应、全球定位、信息交互和通讯、数值模型与系统无缝耦合技术，提供BEMS、BPOSE的接口，使得BEMS、BPOSE的信息一体化。
所述的生物危害应急监测系统(BEMS)，从各个地域、人群中获得关于生物危害的信息，为危害预测和控制提供基础数据；获取数据的方式具体为：
1、通过生物传感器自动获取：利用细胞免疫学方法，筛选单克隆抗体，经分离纯化后，获得特异性分子探针，作为生物传感器感应元件，利用该生物传感器检测生物危害发生地的基础数据(详情见杨靖亚，徐莉等的专利：一种抗副溶血弧菌耐热溶血毒素单克隆抗体及其制备方法，申请号为201110056576.6)；
2、通过生物危害调查人工获取：基于国家疾病控制中心(CDC)及全军疾病控制中心(CDC)传染病常规报告系统和哨点监测系统，获得了应用于传染病疫情预测与控制的基础数据，包括收集重要传染病在人群中的发生情况，将收集到的基础数据写入地理信息系统GIS系统，使地域与基础数据对应；
所述生物危害预测与优化控制系统(BPOSE)，包括各种生物危害模型。各种生物危害模型由初始隔离率、目标隔离率、控制措施生效时间三个参数确定，此处的隔离率指的是将潜伏期者有效隔离的比例。其中生物危害模型包括基于非线性、变系数传染病预测模型(详情见专利《基于非线性、变系数预测模型的传染病疫情预测分析方法[P]》.中国专利CN101794342A，2010-08-04)和基于考虑空间非均匀性的传染病传播模型，(详情见专利《基于考虑空间非均匀性的传染病传播模型疫情预测方法[P]》，中国专利：CN101777092A，2010-07-14)
这些模型参数是通过模拟退火和遗传算法原理等反演所得，应用基于龙格-库塔(Runge-kutta)原理进行求解。
工作时，BPOSE根据BEMS提供的基础数据，获取初始隔离率的值，确定控制措施生效时间以及目标隔离率，进而有唯一对应一生物危害模型，由生物危害模型唯一确定生物危害预测结果，由生物危害预测结果即可计算得到对应的控制代价和治疗成本。控制措施生效时间以及目标隔离率由控制措施以及要达到的控制效果确定的，改变控制措施，控制措施生效时间、目标隔离率改变，通过优化算法，从可能的控制措施中得出使治疗成本与控制代价之和最小时的方案，即为最优控制方案，记录该该方案的控制措施，并据此对生物危害实施控制。
有益效果：
1、建立了生物危害应急监测预测与优化控制物联网系统(IT-BEMPC)。该系统集信息采集、传输、分析、预测、发布于一体，解决了应急监测、预测与决策支持等系统无缝耦合的技术难题。
2、创建了生物危害预测与优化控制系统(BPOSE)。建立了传染病疫情预测与控制模型，提出了传染病模型季节影响函数的参数化方案，发展了模型参数反演技术，突破了疫情预测与实际控制措施关联计算的技术瓶颈，预测精度明显优于国内外同类模型，解决了对传染病优化控制的重大技术难题。
3、获得特异性分子探针，作为生物传感器感应元件，利用该生物传感器检测生物危害发生地的基础数据，突破了大量获取特异性检测抗原技术瓶颈，将传感器灵敏度提高2个数量级。
附图说明
图1生物危害应急物联网系统。
图2生物危害应急监测、预测与优化控制系统(BMPOSE)。
具体实施方式
下面结合实施例和附图来说明本发明。
以传染病为例，BEMS与BPOSE通过物联网系统进行信息的耦合与关联，
所述的生物危害应急监测系统(BEMS)，为危害预测和控制提供基础数据；具体为：
1、利用生物传感器：利用细胞免疫学方法，筛选单克隆抗体，经分离纯化后，获得特异性分子探针，作为生物传感器，检测生物危害发生地的基础数据；利用该种生物传感器检测介质，可将常规菌落数(CFU)104～105个/毫升提高到102～103个/毫升，有效提高检测限与灵敏度。
2、通过生物危害调查人工获取：综合研究了被动监测与主动监测两种方式，基于国家CDC及全军CDC传染病常规报告系统和哨点监测系统，获得了应用于传染病疫情预测与控制的基础数据，与GIS<地理信息>系统进行集成。为预测未来传染病发生水平、预防传染病流行、制定防治对策提供依据，及时、系统地收集了重要传染病在人群中的发生情况，分析了各种影响因素，总结了传染病发生、发展、分布规律和变动趋势。
所述生物危害预测与优化控制系统(BPOSE)，包括各种生物危害模型以及生物危害预测结果。各种生物危害模型由初始隔离率、目标隔离率、控制措施生效时间三个参数确定，此处的隔离率指的是将潜伏期者有效隔离的比例。其中生物危害模型包括基于非线性、变系数传染病预测模型和基于考虑空间非均匀性的传染病传播模型，这些模型参数是通过模拟退火和遗传算法原理等反演所得，应用基于龙格-库塔(Runge-kutta)原理进行求解。
工作时，BMPOSE根据BEMS提供的基础数据，获取初始隔离率的值，确定控制措施生效时间以及目标隔离率，进而有唯一对应一生物危害模型，由生物危害模型唯一确定生物危害预测结果，由生物危害预测结果即可计算得到对应的控制代价和治疗成本。控制措施生效时间以及目标隔离率由控制措施以及要达到的控制效果确定的，改变控制措施，控制措施生效时间、目标隔离率改变，从控制措施中得出治疗成本与控制代价之和最小时的方案，即为最优控制方案，记录该方案的控制措施，并据此对生物危害实施控制。

Claims (1)

1.一种生物危害应急监测、预测与优化控制系统BMPOSE，该系统将应急监测、预测与优化控制一体化；
该系统为物联网，它连接两个分系统，一个为生物危害应急监测系统BEMS，另一个为生物危害预测与优化系统BPOSE；BEMS与BPOSE通过物联网进行信息的耦合与关联，并在物联网中通过数据处理最终完成生物危害的控制；
物联网利用BEMS、BPOSE的相互耦合技术和内在关联，为提供BEMS、BPOSE的接口，使得BEMS、BPOSE的信息一体化；
所述的生物危害应急监测系统BEMS，从各个地域、人群中获得关于生物危害的信息，为危害预测和控制提供基础数据；获取数据的方式具体为：
a、通过生物传感器自动获取：利用细胞免疫学方法，筛选单克隆抗体，经分离纯化后，获得特异性分子探针，作为生物传感器感应元件，利用生物传感器监测生物危害发生地的基础数据；
b、通过生物危害调查人工获取：基于国家疾病控制中心CDC及全军疾病控制中心CDC传染病常规报告系统和哨点监测系统，获得了应用于传染病疫情预测与控制的基础数据，包括收集重要传染病在人群中的发生情况，将收集到的基础数据写入地理信息系统GIS，使地域与基础数据对应；
所述的BPOSE，包括各种生物危害模型，各种生物危害模型由初始隔离率、目标隔离率、控制措施生效时间三个参数确定，此处的隔离率指的是将潜伏期者有效隔离的比例；
工作时，BMPOSE根据BEMS提供的基础数据，获取初始隔离率的值，确定控制措施生效时间以及目标隔离率，进而有唯一对应生物危害模型，由生物危害预测结果即可计算得到对应的控制代价和治疗成本，控制措施生效时间以及目标隔离率由控制措施以及要达到的控制效果确定的，改变控制措施，控制措施生效时间、目标隔离率改变，从控制措施中得出治疗成本与控制代价之和最小时的方案，即为最优控制方案，记录该方案的控制措施，并据此对生物危害实施控制。
CN 201110137991 2011-05-25 2011-05-25 生物危害应急监测预测与优化控制系统 Expired - Fee Related CN102298318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110137991 CN102298318B (zh) 2011-05-25 2011-05-25 生物危害应急监测预测与优化控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110137991 CN102298318B (zh) 2011-05-25 2011-05-25 生物危害应急监测预测与优化控制系统

Publications (2)

Publication Number Publication Date
CN102298318A CN102298318A (zh) 2011-12-28
CN102298318B true CN102298318B (zh) 2013-04-24

Family

ID=45358792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110137991 Expired - Fee Related CN102298318B (zh) 2011-05-25 2011-05-25 生物危害应急监测预测与优化控制系统

Country Status (1)

Country Link
CN (1) CN102298318B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1749890A (zh) * 2005-10-20 2006-03-22 南开大学 智能预测自适应控制器
CN1760881A (zh) * 2005-11-14 2006-04-19 南京大学 在计算机辅助诊断装置中利用未诊断病例的预测建模方法
CN101794342B (zh) * 2009-09-30 2015-09-09 中国人民解放军防化指挥工程学院 一种基于考虑隔离措施的传染病疫情预测方法
CN102054119A (zh) * 2009-11-05 2011-05-11 上海久隆信息工程有限公司 电力应急指挥系统中的故障辅助分析处理方法及其装置
CN101777092B (zh) * 2009-12-18 2014-11-05 中国人民解放军防化指挥工程学院 基于考虑空间非均匀性的传染病传播模型疫情预测方法

Also Published As

Publication number Publication date
CN102298318A (zh) 2011-12-28

Similar Documents

Publication Publication Date Title
Hu et al. A big-data driven approach to analyzing and modeling human mobility trend under non-pharmaceutical interventions during COVID-19 pandemic
Kaplan et al. Aligning SARS-CoV-2 indicators via an epidemic model: application to hospital admissions and RNA detection in sewage sludge
CN111462917B (zh) 基于空间地理分析和机器学习的疫情预警方法及系统
Shmueli et al. Statistical challenges facing early outbreak detection in biosurveillance
Araz et al. Using Google Flu Trends data in forecasting influenza-like–illness related ED visits in Omaha, Nebraska
Xue et al. Influenza activity surveillance based on multiple regression model and artificial neural network
Moss et al. Forecasting influenza outbreak dynamics in Melbourne from Internet search query surveillance data
Calle et al. Optimal selection of monitoring sites in cities for SARS-CoV-2 surveillance in sewage networks
Yabe et al. Early warning of COVID-19 hotspots using human mobility and web search query data
Feng et al. Improving neural network prediction accuracy for PM10 individual air quality index pollution levels
Mavragani et al. Infoveillance of infectious diseases in USA: STDs, tuberculosis, and hepatitis
Huang et al. Comprehensive identification and isolation policies have effectively suppressed the spread of COVID-19
Zhou et al. Risk assessment for precise intervention of COVID-19 epidemic based on available big data and spatio-temporal simulation method: Empirical evidence from different public places in Guangzhou, China
KR102509851B1 (ko) 감염병 감시를 위한 하수측정망 최적화 및 하수역학 기반 감염규모 예측 방법 및 시스템
CN117912717A (zh) 一种公共卫生预警平台
Arslan et al. Artificial Intelligence and Telehealth may provide early warning of epidemics
Spreco et al. Evaluation of nowcasting for detecting and predicting local influenza epidemics, Sweden, 2009–2014
Praharaj et al. The Spatial Association of Demographic and Population Health Characteristics with COVID‐19 Prevalence Across Districts in India
KR102530990B1 (ko) 하수역학 및 관망 네트워크 분석 기반 감염병 발병지역 추적 방법 및 시스템
CN102298318B (zh) 生物危害应急监测预测与优化控制系统
Rao et al. Modern digital techniques for monitoring and analysis
Chang et al. An application of sensor networks for syndromic surveillance
Rong et al. Recursive Zero-COVID model and quantitation of control efforts of the Omicron epidemic in Jilin province
Ebel et al. Assessing the maximum size of annual foodborne outbreaks in the United States: an analysis of 1973–2016 outbreaks
Zhu et al. Understanding the necessity and economic benefits of lockdown measures to contain covid-19

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20111228

Assignee: BEIJING XINBO TENGFEI TECHNOLOGY CO.,LTD.

Assignor: Chemical Defense Institute of PLA

Contract record no.: 2014990000142

Denomination of invention: Biological hazard monitoring, predicting and optimal controlling system for emergency (BMPOSE)

Granted publication date: 20130424

License type: Exclusive License

Record date: 20140319

LICC Enforcement, change and cancellation of record of contracts on the licence for exploitation of a patent or utility model
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130424